White Paper Gerenciamento de Dados Mestres e Qualidade de Dados Estratégias de qualidade de dados são a base para uma comunicação de produto eficiente.
Este documento contém informações confidenciais, exclusivas e segredos comerciais ("Informações confidenciais") da Informatica Corporation que não podem ser copiadas, distribuídas, duplicadas ou de outra forma reproduzidas, de nenhuma maneira, sem o consentimento prévio por escrito da Informatica. Apesar de todos os esforços terem sido realizados para assegurar que as informações deste documento sejam precisas e completas, alguns erros tipográficos ou imprecisões técnicas podem existir. A Informatica não aceita responsabilidade por nenhum tipo de perda resultante do uso das informações contidas neste documento. As informações contidas neste documento estão sujeitas a alterações sem aviso prévio. A incorporação dos atributos de produto apresentados nesses materiais em qualquer lançamento ou atualização de qualquer produto de software da Informatica, bem como o momento de tal lançamento ou atualização, ficará a critério exclusivo da Informatica. Protegido por uma ou mais das seguintes patentes norte-americanas: 6.032.158; 5.794.246; 6.014.670; 6.339.775; 6.044.374; 6.208.990; 6.208.990; 6.850.947; 6.895.471; ou pelas seguintes patentes pendentes norte-americanas: 09/644,280; 10/966,046; 10/727,700. Edição publicada em novembro de 2013
White Paper Índice Gerenciamento de qualidade de dados (DQM) como parte da estratégia de MDM... 3 As ferramentas de DQM.... 4 (Dados) Marcos de verificação de qualidade.... 4 Status de conceitos e regras de validação...4 Suporte ao usuário do sistema...4 Ferramentas de relatório...4 Medidas organizacionais...4 DQM organizado por governança de dados.... 5 Gerenciamento de Dados Mestres e Qualidade de Dados 1
Nos últimos anos, muitas empresas optaram por pegar os dados mestres relacionados às atividades da empresa, como informações de clientes, fornecedores e produtos, para redefinir e integrar toda uma estratégia voltada para a empresa inteira. Gerenciamento de dados mestres Disciplina de negócios e TI com base na tecnologia para garantir objetos de dados consistentes, precisos e responsáveis de um sistema. Gerenciamento de qualidade de dados (DQM) Descreve como assegurar a "habilidade de utilização" de um objeto de dados dentro de um processo e/ou aplicativo de TI. Gerenciamento de informações de produtos (PIM) Todos os processos e componentes de TI relevantes para aquisição de dados, gerenciamento de dados e gerenciamento de saída para informações relacionadas ao produto. Os dados mestres relacionados aos produto, como números da peça, textos resumidos e características técnicas foram as estruturas básicas do gerenciamento de informações de produtos (PIM). O termo PIM consiste em sistemas de TI agrupados lado a lado dos principais dados de sistemas de ERP (planejamento de recursos empresariais), fatos adicionais relacionados aos produtos, informações de marketing, e combinam essas informações ao conteúdos de mídia estruturados, como imagens e vídeos. A meta de uma estratégia de PIM consistente basicamente em preencher um banco de dados consolidado e centralizado de todos os canais de distribuição com informações de produto (um único ponto de verdade). A comunicação multicanal é baseada nele e não inclui apenas canais eletrônicos como lojas on-line e plataformas de pedidos, mas também é feita por intermédio de catálogos de impressão altamente automatizados e processos de criação de impressão. A variedade de funções envolvidas (compras, marketing, gerenciamento de produto, agências externas) e em conexão com a mais internacional e diversificada linha de produtos conta com requisitos especiais para uma definição de processo contínuo e para o cenário de apoio ao sistema. No caso de projetos PIM, geralmente a qualidade dos dados não é considerada importante comparado a outros projetos. Ciclo de vida da informação do processo de negócios Gerenciamento de fornecedores Gerenciamento do ciclo de vida do produto Gerenciamento de dados mestres Gerenciamento de vendas Inteligência de negócios (BI) Estratégia e modelo de negócios Indústria Comércio Governança de dados Processamento e organização Gerenciamento de requisitos Integração de realização Gerenciamento de qualidade 2 Cadeia de valores de TI Arquitetura do ciclo de vida da informação
Gerenciamento de qualidade de dados (DQM) como parte da estratégia de MDM Perguntas comuns que o gerenciamento de qualidade de dados ajudam a responder: questões referentes a diversos locais de dados mestres para acesso fácil, documentação, e critérios de qualidade claros e instrumentos de correspondência. A princípio, o problema está no fato de que a qualidade sempre pode melhorar, não importa o nível ao qual ela avança. Portanto, estabelecer uma base de DQA é a primeira etapa para definir objetivos de qualidade de dados para selecionar um escopo de projeto inicial justificável. Normalização do modelo de dados Modelo coordenado estruturalmente Análise de objetos de dados mestres Análise de estruturas Definição estrutural e design Migração do sistema Harmonização de conteúdo Dados ajustados por conteúdo Reconhecer objetos idênticos Limpar objetos Normalização de conteúdo Modelo de dados adaptativos proposto Gerenciamento de dados mestres Processo e cenário Definição do processo principal Responsabilidade por dados organizacionais Região de governança de dados derivados Metodologia de ação do Gerenciamento de dados mestres Um modelo de processo comprovado na prática manifesta a integração de dados mestres e a política de qualidade com a meta de gerar tanto uma grade permanente utilizável para Dados mestres (MDM) e a "habilidade de utilização" mensurável para verificar cada objeto de dados. Aqui a qualidade de dados é definida como a correspondência entre recursos observados e requisitos preestabelecidos para os dados em relação às suas aplicações específicas. Os requisitos qualitativos de um conjunto de dados de produto no contexto de uma loja on-line, por exemplo, difere consideravelmente daquelas reclamações feitas sobre a utilização do mesmo produto em um catálogo impresso. Para implementar o DQM, a primeira etapa é detectar os critérios de destino da qualidade específica dos dados mestres. Os requisitos estatutários e reguladores exercem uma função importante nas questões internas da empresa, como na gestão eficiente de fornecedores, o modelo de distribuição multicanal citado acima ou a padronização de relatórios e métricas. O DQM é definido como um sistema de regras (que usam como base um modelo de metadados de MDM coordenado) derivado da definição objetiva dos requisitos de qualidade necessários para o processo de melhorias. Para apoiar esse processo de forma adequada, métodos de medição e instrumentos apropriados são implementados. Um princípio em particular com relação ao DQM é verdadeiro: o que não pode ser medido não pode ser gerenciado! Portanto, é possível obter métodos técnicos e de procedimentos, como arquiteturas de armazenamento de dados adequados, a partir de métricas e relatórios apropriados. O sucesso dessa implementação será avaliada ao longo do tempo, sempre no contexto de metadados de DQM. Gerenciamento de Dados Mestres e Qualidade de Dados 3
As ferramentas de DQM As ferramentas de DQM precisam ser definidas para apoiar o processo de implementação e assegurar o progresso da medição e da avaliação. A conveniência da implementação no sistema é para testar e ajustar as condições individualmente. (Dados) Marcos de verificação de qualidade Definição de padrões de qualidade de transições de sistemas e/ou processos Definição de responsabilidades de função Status de conceitos e regras de validação Verificações de validação automatizadas Compartilhamento de status de conteúdo Suporte ao usuário do sistema Mecanismos de mudança, gerenciamento de tarefas e suporte de fluxo de trabalho (relacionado ao layout) Visualização de produto para inspeção visual Conceitos de funções e direitos com visualizações de objeto e responsabilidades definidas por conteúdo Ferramentas de relatório Estrutura de relatórios de KPI (indicador chave de desempenho) Link a fontes de dados adicionais, como CRM, ERP ou comércio dentro do próprio conceito de inteligência de negócios (BI) Medidas organizacionais Aprovar contratos de nível de serviço (SLA) Analisar modelos de alocação de centro de custo e sistemas de bonificação ou penalidade Estabelecimento de procedimentos operacionais padrão (SOP) 4
DQM organizado por governança de dados Uma estratégia de dados não é aplicada estatisticamente uma vez que as mudanças nos mercados de destinos e os requisitos legais mudam constantemente por conta da inovação de parâmetros de contexto empresarial. Para uma coordenação aplicável a um grupo no que se refere a tarefas de DQM, é preciso atribuir as responsabilidades entre as divisões. Neste caso, considerando a governança de dados como um conceito organizacional, ela designa as tarefas de gerenciamento a serem realizadas durante um processo de DQM contínuo, como no estabelecimento da estratégia e dos princípios de qualidade de dados, na definição de processos e padrões de manutenção de dados, no acordo de destinos de qualidade de dados e sua integração nos sistemas de incentivo da empresa. Além disso, a governança de dados identifica as funções corporativas envolvidas na execução das tarefas. Como um exemplo significativo, destacaremos o Data Steward como uma função de responsabilidade geral pelo DQM em estratégias e implementações. Essa função, geralmente parte do quadro de funcionários, assume as atividades de coordenação nas unidades de fornecimento e recebimento da empresa, e instaura a cultura de DQM em suas respectivas áreas por meio da implantação de padrões e princípios. Por outro lado, o Data Steward gerencia os requisitos de DQM específicos para cada área e avalia-os em sintonia com a estratégia geral. Em casos de divergência, a diretoria de qualidade de dados, junto com a diretoria da empresa, decidem as questões entre as divisões e supervisionam o gerenciamento geral da qualidades dos dados corporativos. Geralmente um modelo de maturidade de DQM é implementado para medidas de maturidade, que determina o estabelecimento organizacional do gerenciamento de qualidade de dados. O modelo de maturidade ajuda a avaliar a extensão de como os dados são controlados, e gerentes de dados e proprietário dos processos assumem suas responsabilidades pela qualidade de dados, desde que as normas e as diretrizes comuns já estejam incorporadas nas operações diárias. Fica claro por que a institucionalização de estruturas de DQM faz todo o sentido: o gerenciamento de qualidade de dados é definido em atividades recorrentes, suas metas de qualidade de dados não são estáticas ao longo do tempo e, por outro lado, isso descreve a necessidade de se usar a curva de aprendizado individual da empresa. Consequentemente, por uma estratégia combinada de MDM e DQM, é importante entender que o gerenciamento de qualidade de dados não é uma tarefa exclusiva da área de TI! Qualidade de dados De acordo com o Gartner, 2010 Cultura Requisitos de mudança Controle Interesses diferentes Habilidades e funções de usuário Complexidade Relatórios Cultura Meia-vida do DQM Tempo de execução Estratégias de DQM estáticas são reduzidas Gerenciamento de Dados Mestres e Qualidade de Dados 5
Sede mundial, 100 Cardinal Way, Redwood City, CA 94063, EUA Fone: 650.385.5000 Fax: 650.385.5500 Ligação gratuita nos EUA: 1.800.653.3871 informatica.com linkedin.com/company/informatica twitter.com/informaticacorp 2013 Informatica Corporation. Todos os direitos reservados. Informatica e Put potential to work são marcas comerciais ou marcas comerciais registradas da Informatica Corporation nos Estados Unidos e em diferentes jurisdições por todo o mundo. Todos os outros nomes de empresas e produtos podem ser nomes comerciais ou marcas comerciais. IN09_1113_2530_PIM_for_Data_Quality_US.pdf